Hur gör vi då för att segmentera och kategorisera ljud i talspråk?

Transkript

1 UPPSALA UNIVERSITET Institutionen för lingvistik och filologi SPRIND, HT 2006, Tillfälle 7 SPRÅKPSYKOLOGI LYSSNA OCH TALA/ PERCEPTION OCH PRODUKTION LYSSNA (kap 5) Segmentering på fonemnivå - Koartikulation: ljud smälter in i och påverkar varandra, det går inte att säga när ett ljud slutar och ett annat tar över - Vi reducerar ofta ljud mellan och inom ord. - Vi fyller också i ljud som saknas: o vilken snygg #att o jag blir alldeles #att o men hur e de #att? Hur gör vi då för att segmentera och kategorisera ljud i talspråk? En gammal teori är särdragsteorin. För varje inkommande fonem tar vi fram en särdragsmatris. b a s konsonant vokal konsonant klusil orundad frikativ bilabialfrämre dental tonande öppen tonlös Men vi kan omöjligt analysera alla särdrag när vi lyssnar. Därför kan man utgå ifrån att varje fonems kluster av särdrag bildar en kategori. Att lyssna till språk blir då att kategorisera de ljud vi hör.

2 Skillnaden mellan en tonande och en tonlös klusil (b-p, d-t, g-k) är när rösten slås på (Voice Onset Time, VOT). Denna distinktion är betydelseskiljande i Svenska. Många studier har undersökt hur röstpåslagning uppfattas. I denna typ av studier har man antagit en representation för varje fonem, en kategori för /p/ och en för /b/. VOT för /ba/ är 0-25 tusendels sekund medan /pa/ har VOT tusendels sekund. Genom att på dator manipulera VOT kan vi få fram ett kontinuum av olika ljud som går från tydligt /ba/ till tydligt /pa/ och flera som ligger däremellan. I en undersökning får subjekt lyssna till dessa ljud och tala om vad dom uppfattar (/ba/ eller /pa/). Den här typen av experiment har visat att vi är så inställda på de fonemkategorier som förekommer i vårt språk att vi har svårt att skilja på de ljud som faller inom samma kategori men inga problem att skilja mellan ljud som faller inom olika kategorier, även om dessa är mer lika varandra än de som faller inom samma kategori. Men hur relevant är fonemet som grundenhet för perception? Man brukar snarare anta att stavelsen är perceptionsenhet. Bevis: - Om man ber vuxna lyssna på en text och markera ett visst ljud eller stavelse i början av ord har de lättare att uppfatta stavelser. - Barn använder sig av stavelser i ramsor. Segmentering på ordnivå Två modeller för perception 1. Logogenmodellen är en parallell modell (aktiveringsmodell) utarbetad av Morton (1969). Varje ord i lexikonet representeras som en enhet (en logogen) som specificerar ett ords olika egenskaper (semantiska, syntaktiska, ortografiska, fonologiska osv.). En logogen kan aktiveras på två sätt, antingen av sensorisk input eller av kontextuell information.

3 Sensorisk aktivering: när ortografisk eller fonologisk information i input uppfattas matchas de mot logogen i lexikon. Den logogen som bäst matchar den inkommande signalen aktiveras. Kontextuell aktivering: den semantiska och syntaktiska strukturen i en sats kan påverka aktivering av en logogen. Exempel: Efter tre dagar i öknen kom dom fram till en oas. Orden i meningen ovan aktiverar det sista ordet och sänker dess tröskel så att det aktiveras snabbare i denna exempelsats än isolerat. De två aktiveringsrutterna fungerar parallellt. 2. Kohortmodellen kom något senare och utarbetades av Marslen-Wilson (1987). Fokus: vi uppfattar/känner igen ord enormt snabbt, vi är känsliga för ords igenkänningspunkt (dvs. den punkt när ett ord skiljer sig från alla andra ord i vårt lexikon). Tre steg: 1) En analys av akustiskt-fonetiska egenskaper i input genomförs och ett antal ordkandidater aktiveras. Den här gruppen ord kallas för en kohort. 2) En medlem i kohorten väljs ut för närmare analys. 3) Det utvalda ordet integreras i den pågående semantiska och syntaktiska kontexten. I det första steget aktiveras ord endast på basis av bottom-up information. Exempel: Linda har en ta Kohort: tallrik, tant, tagg, tall, tass, talk, Denna grupp ord utsätts för steg 2 när ett ord väljs ut. Detta steg påverkas av bottom-up information men också av top-down information såsom den pågående diskurskontexten samt ordfrekvens.

4 Kandidater utesluts antingen av diskurskontexten, eller genom att mer fonologisk information kommer in. Två kritiska punkter i kohortmodellen: Beslutspunkten: då vi är säkra på vilket ord det handlar om Unicitetspunkten: då det inte finns mer än ett ord i lexikon som matchar mot den inkommande signalen. Problem: när ord får ovanligt uttal i början: söpa istället för köpa. Modellen har omarbetats för att förklara detta. Modellen har möjlighet att backa. En annan ändring är att ordfrekvenser har inarbetats i modellen då vanliga ord uppfattas fortare än ovanliga. En tredje modifikation: bottom-up vinner över top-down vid konflikt. Logogenmodellen är ganska passiv, en logogen behöver ganska mycket stimuli för att aktiveras. Kohortmodellen är mer aktiv och strävar efter att reducera alternativen.

5 TALA (produktion) (kap 6) Felsägningar har använts som bevis för hur den kognitiva processen för tal ser ut. Våra felsägningar har nämligen visat stora regelbundenheter. Det har visat sig att: - felen ligger inom några få stavelsers avstånd, normalt 4-5 ord - ändelser följer inte sina huvudord - Element byter plats mellan ord men inte position i ordet; ordinledning byts mot ordinledning, ordmitt mot ordmitt och ordslut mot ordslut. Exempel: - bodblad (blodbad) - plastbrist (platsbrist) - rack och hott (hatt och rock) - salta och syfta (safta och sylta) - avhuvet hugge (avhugget huve) - dra in ungan tungdjävul (tungan ungdjävul) - smutsorna är strumpiga (strumporna är smutsiga) Felsägningar utgör bevis för stavelsens relevans i talplanering då dennas struktur sällan bryts. Fonem byter ofta plats men hamnar alltid (om än felaktigt) på samma position i stavelsen. Stavelseinititala fonem byter till en annan stavelseinitial position, t ex Falou mon Siverts. Man har tolkat felsägningarna som bevis för att talplaneringen normalt omfattar en fras (4-5 ord). Syntaxplanering och ordval tycks ske oberoende av varandra, eftersom ändelser inte följer med de ord de hör till (smutsorna är strumpiga). I en annan typ av felsägningar byts ord ut mot andra ord. Två typer: - Semantiskt relaterade ord byts mot varandra: bord istället för stol - Fonetiskt relaterade ord byts mot varandra (sedel istället för segel, bark istället för bank)

6 - Båda faktorer sammanfaller ofta (sublim istället för subtil, avlida istället för avliva) Steg i talprocessen: Man har försökt hitta de olika stegen och fastställa i vilken ordning de sker: vi måste skilja på; ett steg då ord söks på basis av deras betydelse ett steg då dessa ord kläds i sin fonologiska form Dessa två steg i processen har kunnat fastställas på basis av Tip-of-the-tongue (TOT) situationer. När man har något på tungan. Man har en idé av vad man vill uttrycka men kan inte koppla till formen för begreppet. Betydelse och form utgör därför två separata processer. Syntaktisk information finns lagrad med varje ord i det mentala lexikonet. Ex: it + SOUND + Adj. (it sounds good) it + SOUND + like + NP (it sounds like a good idea) NP + PLAY (+ NP) NP + EAT (+ NP) Detta utgör fasta ramar som sedan ord placeras in i. Därför kan man felaktigt placera in liknande ord i samma ram såsom i följande felsägningar: Does it hear (sound) different? She promised (swore) me to secrecy etc. Talaren har nu en syntaktisk ram med luckor som är taggade för (markerade för) morfologisk information. Dessa luckor fylls sedan med ordformer. Ex: CUT + NP (plural) + in + NP (you can cut trees in the rain - you can cut rains in the tree) WEAR (+ ing) + NP + NP (wearing a name tag naming a wear tag)

7 Följande exempel är extra intressant: prong + /z/ of a fork fork + /s/ of a prong Om det skulle vara så att pluralböjningen skulle vara fast och ordstammar bytas ut skulle vi ha fått fork + /z/ men det fick vi inte därför att morfemet har anpassat sig till den ordstam som det tillhör. Detta betyder att det som finns innan det att ordstammen fylls i är en abstrakt representation som indikerar en typ av böjning. Denna representation får fonologisk form först efter att ordstammen fyllts i. Vi får då följande sekvens: - en abstrakt representation av böjning tillskrivs - ordstammen får fonologisk form - böjningen får fonologisk form Detta gäller också artiklar, såsom i exemplet: an ice cream a kice ream. Ett sent steg i planeringen är då ord kläds i fonem, dvs. talapparaten får ta emot instruktioner om hur de ska uttalas. Felsägningar såsom you getter stop for bass visar att hela yttrandet måste finnas tillgängligt innan det börjar uttalas. Detta tyder på att vi har en buffert som samlar upp informationen för det som ska uttalas. Följande sekvenser har vi fått hittills: o ord söks i det mentala lexikonet, detta ger oss ett ords betydelserepresentation och syntaktisk struktur för verb o en syntaktisk ram byggs upp och taggas med abstrakta representationer för böjning och bestämdhet o ord ges konkret fonologisk information (från lexikon) och placeras in i den syntaktiska ramen

8 o böjning och artiklar får konkret form o denna information lagras i en buffert o uttal förbereds Följande har inte tagits upp hittills: o intonation tillskrivs förmodligen på samma nivå som den syntaktiska ramen byggs o ordbetoning: denna information finns lagrad i det mentala lexikonet och hämtas på samma gång som ord får sin fonologiska form. o Efter det sista stadiet måste det komma ett fonetiskt stadium då yttrandet sätts samman till en helhet som är lätt att uttala. Här kan assimilation och bortfall/sammandragningar förändra signalen som går till talapparaten. Ex: green paint greem paint next spring neck spring